海表温度异常影响东亚夏季风年代际变化的数值模拟

采用1950-2000年逐月观测的不同海域(全球、热带外、热带、热带印度洋-太平洋、热带印度洋及热带太平洋)海表温度分别驱动NCAR CAM3全球大气环流模式,进行了多组长时间积分试验,对比ERA-40和NCEP/NCAR再分析资料,讨论了这些海域海表温度异常对东亚夏季风年代际变化的影响。数值试验结果表明:全球、热带、热带印度洋-太平洋和热带太平洋海表温度变化对东亚夏季风的年代际变化具有重要作用,均模拟出了东亚夏季风在20世纪70年代中后期发生的年代际减弱现象,以及强、弱夏季风年代夏季大气环流异常分布的显著不同,这与观测结果较一致,表明热带太平洋是影响东亚夏季风此次年代际变化的关键海区;利用热带印度洋海表温度驱动模式模拟出的东亚夏季风在20世纪70年代中后期发生年代际增强现象,即当热带印度洋海表温度年代际偏暖(冷)时,东亚夏季风年代际增强(减弱),与热带太平洋海表温度变化对东亚夏季风年代际变化的影响相反;热带太平洋海表温度年代际背景的变化对东亚夏季风在20世纪70年代中后期的年代际减弱有重要作用。     

1960～2018年中国高温热浪的线性趋势分析方法与变化趋势

高温热浪直接影响人体健康和作物生长。研究全球变暖背景下我国高温热浪发生率的趋势是气候变化研究的基本问题之一,可为人们的生产生活等提供重要的科学信息。目前对于高温热浪趋势的研究大都使用最小二乘（Ordinary Least Squares,OLS）方法估计趋势,结合学生t检验判断趋势的统计显著性。本文审视了以往常用方法在研究我国高温热浪发生率的线性趋势时的适用性。首先,以2018年东北局部地区因当年高温日数异常多而形成离群值的例子展开,说明OLS方法估计趋势时对离群值非常敏感,造成虚假趋势。进一步,通过正态分布检验和自相关计算,发现1960~2018年中国至少有91.14%站点、90.06%格点的高温日数和92.18%站点、87.74%格点的热浪次数的序列不服从正态分布,而且多数存在自相关。采用一种不易受离群值影响并考虑自相关的非参数方法,本文对1960～2018年中国站点和格点、4个典型区域以及全国平均的高温日数和热浪次数的线性趋势做出了更为准确的估计。研究发现,高温日数显著增多的站点主要出现在华南和西北地区,热浪次数呈显著增多趋势的站点目前几乎仅限于华南地区和新疆的个别站点;区域平均而言,仅有华南区域和西北区域的高温日数和热浪次数是显著增多的,华北区域和东北区域趋势并不显著;全国平均的高温日数和热浪次数都是显著增多的。本文对高温热浪的趋势及其显著性估计、统计预测的方法选择上有重要参考价值。     

杭州市典型雨转雪天气成因及预报模型

利用2008—2018年的NCEP(1°×1°)再分析资料、常规气象观测资料和降雪加密观测资料,选出杭州地区10次典型的雨转雪天气过程,从大尺度环流背景和动力、水汽以及热力因子等物理量场结构方面展开研究,最终得出杭州冬季典型雨转雪天气的预报模型:①大尺度环流配置需满足能为雨转雪天气的形成提供有利的水汽、动力抬升以及中低层上暖下冷的逆温或等温层结条件;②水汽和动力因子等物理量须满足产生纯雪的特定条件;③杭州温度层结须为T_(2m)≤1.5℃、T_(925)≤-4.0℃、T_(850)≤0℃、T_(700)≤-1.0℃和T_(500)≤-10.0℃。此外,进一步补充了杭州可能产生大雪甚至暴雪量级降雪的特定条件。最终选取2019年初的2次典型降水过程进行预报回报检验。     

1984—2014年北京地区不透水地表的时空变化及其温度效应研究

研究城市地表覆盖与地表温度（LST）的关系对改善城市生态环境具有重要科学意义。在Landsat TM数据支持下,利用线性光谱混合分析模型提取不透水地表信息,结合LST和地表热通量,分析不透水地表覆盖度（ISA）和LST的时空变化特征及其相互关系,探讨不透水地表对LST的影响机理。结果表明:1984—2014年北京不透水地表面积迅速增长,中覆盖度比例下降,高覆盖度比例增加;LST从市中心向郊区递减,高温区向外扩张;LST和ISA呈显著正相关,但不是简单的线性关系;ISA处于0.6~0.9时LST上升速率最快,减少ISA在此范围内的不透水地表集中分布可缓解高温区集中的现象。     

成都机场2019～2020年初辐射雾过程中微波辐射计应用

利用微波辐射计资料、自动观测资料,分析了成都双流机场2019～2020年初的辐射雾中跑道视程(RVR)的变化特征。结果表明:(1)雾中各跑道RVR差别大,02R最差,20R最好。(2)微波辐射计反演温度在近地层有偏差,午后偏低,凌晨偏高,分析时需修订。(3)RVR变化特征与近地面逆温层特征及虚位温特征有较好对应,可据此更好地预计RVR变化,特别是RVR上升至550m临界值的时间。      

1990—2010年中国极端温度和降水事件的月变化特征

利用1960—2010年中国532个台站的日最低、最高气温和日降水资料,选取4个极端温度指数（冷昼、冷夜、暖昼和暖夜）和2个极端降水指数（极端降水量和极端降水频次）,对1990—2010年极端温度和降水事件相对于之前1960—1989年的月尺度变化进行了研究。得到以下主要结论：1） 逐月的冷昼和冷夜发生频率减少,逐月的暖昼和暖夜发生频率增多。冷极端事件发生频率的变化比暖极端事件更明显。2） 4个指数在2月均表现出频率变化异常剧烈的月尺度特征,这主要与中国地区2月增暖最显著有关。4个指数在2月频率变化的空间分布,中国北方地区（东北、华北以及西北）极端温度事件的频率变化比南方地区（西南、华南以及长江流域）更显著。3） 对于极端降水事件,1990—2010年中国极端降水量增加最大的月份为6—7月,极端降水频次增加较多的月份为1—3月。中国各区域极端降水量变化最大的月份集中在夏季6—8月,其中西北、西南和长江中下游地区极端降水量显著增加。对于极端降水频次,东北和西北地区在1月增加最多;华北、西南、长江中下游和华南地区分别在3、5、7和12月增加最多。除华南地区以外,其他5个区域均通过了信度为0.05的显著性检验。     

2017年3月江苏北部一次雷雨大风天气过程分析

利用多种常规观测资料和NCEP／NCAR再分析资料,分析了2017年3月1日江苏北部出现的一次罕见冷空气雷雨大风天气过程的发生背景、地面要素和云团演变特征,同时从大气动力、热力和水汽条件出发分析了午后对流的成因。结果表明：此次过程发生前,江苏地区位于高空槽前,对流层中低层有冷式切变线伴随两股冷空气南下,受江苏省北部地面气旋阻挡,冷空气在上游堆积,当气旋东移入海冷空气爆发式南下时,造成严重的大风灾害。此次过程中,对流层中高层大气降温而低层回温使大气温度直减率增大,为对流发生提供不稳定条件,但水汽输送主要集中在低层,且高层大气无明显抽吸作用,导致此次过程未发生强对流性降水,主要以大风灾害性天气为主。     

Effects of Urbanization on Extreme Warmest Night Temperatures During Summer near Bohai

Many previous studies have focused on the impacts of urbanization on regional mean temperatures. Relatively few have analyzed changes in extreme temperatures. Here, we examine the impact of urbanization on extreme warmest night temperatures from 33 stations in the Bohai area between 1958 and 2009. We compute the Generalized Extreme Value（GEV） distribution of extreme warmest night temperatures and analyze long-term variations in its characteristic parameters. A new classification method based on the factor analysis of changes in extreme night temperatures is developed to detect the efects of urbanization in diferent cities. Of the three parameters that characterize the GEV distribution, the position parameter is the most representative of long-term changes in extreme warmest night temperatures. During the period of rapid urbanization（i.e., after 1978）, all three parameters of the GEV distribution are larger for the urban station group than for the reference station group, so are the magnitudes of their variations, and the urban areas have been experiencing higher extreme warmest night temperatures with larger variability. Diferent types of cities in the Bohai area have all experienced an urban heat island efect, with an average urbanization efect of approximately 0.3 per decade.